Koncepcja big data, nauka o danych i analityka danych wspomagają dziś procesy decyzyjne w przedsiębiorstwach w niespotykanym wcześniej zakresie. Zwiększają poziom efektywności pracy w wielu różnych branżach. Korporacje zaczęły więc eksperymenty z wykorzystaniem big data i technologii chmury, aby budować jeziora danych oraz tworzyć oparte na nich systemy podejmowania decyzji. Niejeden z tych projektów się nie powiódł, gdyż nie został dostosowany do kultury i potrzeb przedsiębiorstwa. Najwyraźniej zabrakło wiedzy, w jaki sposób skutecznie przeprowadzać tak radykalną transformację.

Ta książka jest praktycznym przewodnikiem, który ułatwia wdrażanie architektury jeziora danych (ang. data lake) w przedsiębiorstwie. Omówiono tu różne podejścia do jej uruchamiania i rozwijania, w tym kałuże danych (analityczne piaskownice) i stawy danych (hurtownie danych), a także budowanie jezior danych od podstaw. Opisano konfigurowanie różnych stref, co pozwala na odpowiednie rozmieszczenie zarówno surowych, jak i starannie zarządzanych i przetworzonych danych. Wyjaśniono znaczenie zarządzania dostępem do stref. Zawarto tu również wskazówki umożliwiające zachowanie zgodności z regułami zarządzania danymi przedsiębiorstwa.

W tej książce:

• wprowadzenie do hurtowni danych, big data i nauki o danych
• praktyczne techniki budowania jezior danych
• najlepsze praktyki dostarczania analitykom dostępu do danych
• projektowanie architektury jeziora danych oraz różne techniki implementacji
• zalety i wady różnych podejść do budowania magazynów danych i zarządzania nimi

Jeziora danych i big data - ocean możliwości!

Rozdziały:

Wstęp 9

1. Wprowadzenie do jezior danych 13

• Dojrzewanie jeziora danych 15
  • Kałuże danych 17
  • Stawy danych 17
• Udane tworzenie jeziora danych 18
  • Właściwa platforma 18
  • Właściwe dane 19
  • Właściwy interfejs 20
  • Bagno danych 22
• Wskazówki dotyczące sukcesu w budowaniu jezior danych 23
  • Tworzenie jeziora danych 24
  • Organizowanie jeziora danych 24
  • Konfiguracja jeziora danych pod kątem samoobsługi 26
• Architektury jeziora danych 30
  • Jeziora danych w chmurze publicznej 31
  • Logiczne jeziora danych 31
• Podsumowanie 34

2. Perspektywa historyczna 37

• Dysk do danych samoobsługowych - narodziny baz danych 37
• Imperatyw analityczny - narodziny hurtowni danych 40
• Ekosystem hurtowni danych 41
  • Przechowywanie i kwerendowanie danych 42
  • Ładowanie danych - narzędzia do integracji danych 47
  • Organizowanie danych i zarządzanie nimi 50
  • Konsumowanie danych 55
• Podsumowanie 56

3. Wprowadzenie do big data i nauki o danych 57

• Hadoop przewodzi historycznemu przejściu na big data 57
  • System plików Hadoop 58
  • Współdziałanie przetwarzania i przechowywania w zadaniu MapReduce 59
  • Schemat odczytu 60
  • Projekty Hadoop 61
• Nauka o danych 62
• Uczenie maszynowe 66
  • Zdolność wyjaśnienia 67
  • Zarządzanie zmianami 68
• Podsumowanie 69

4. Budowanie jeziora danych 71

• Co to jest Hadoop i dlaczego z niego korzystamy? 71
• Zapobieganie rozprzestrzenianiu się kałuż danych 74
• Wykorzystanie big data 74
  • Nauka o danych jako główny czynnik 75
  • Strategia 1. - przeniesienie istniejącej funkcjonalności 77
  • Strategia 2. - jeziora danych dla nowych projektów 79
  • Strategia 3. - ustanowienie centralnego punktu zarządzania 79
  • Który sposób jest odpowiedni dla Ciebie? 80
• Podsumowanie 82

5. Od stawów danych, czyli hurtowni danych big data, do jezior danych 83

• Podstawowe funkcje hurtowni danych 84
  • Modelowanie wymiarowe dla analityki 85
  • Integrowanie danych z różnych źródeł 86
  • Zachowywanie historii za pomocą powoli zmieniających się wymiarów 86
  • Ograniczenia hurtowni danych jako repozytorium historycznego 86
• Przejście do stawu danych 87
  • Utrzymywanie historii w stawie danych 87
  • Wdrażanie powoli zmieniających się wymiarów w stawie danych 88
• Rozrastanie się stawów danych w jeziora danych - ładowanie danych, które nie znajdują się w hurtowni danych 90
  • Surowe dane 91
  • Dane zewnętrzne 91
  • Internet rzeczy (IoT) i inne dane strumieniowe 94
• Architektura Lambda 94
• Transformacje danych 97
• Systemy docelowe 99
  • Hurtownie danych 100
  • Operacyjne magazyny danych 100
  • Aplikacje czasu rzeczywistego i produkty oparte na danych 100
• Podsumowanie 101

6. Optymalizacja pod kątem samoobsługi 103

• Początki samoobsługi 103
• Analitycy biznesowi 105
  • Znajdowanie i zrozumienie danych - dokumentowanie przedsiębiorstwa 106
  • Budowanie zaufania 109
  • Dostarczanie 115
  • Przygotowanie danych do analizy 116
• Przygotowywanie danych w jeziorze danych 117
  • Umiejscowienie przygotowywania danych w Hadoop 118
  • Powszechne przypadki użycia dla przygotowywania danych 119
• Analiza i wizualizacja 120
• Podsumowanie 123

7. Architektura jeziora danych 125

• Organizacja jeziora danych 125
  • Strefa lądowania lub surowa 126
  • Strefa złota 127
  • Strefa robocza 129
  • Strefa wrażliwa 129
• Wiele jezior danych 131
  • Zalety utrzymywania osobnych jezior danych 131
  • Zalety scalania jezior danych 131
• Jeziora danych w chmurze 132
• Wirtualne jeziora danych 135
  • Federacja danych 135
  • Wirtualizacja big data 136
  • Eliminacja redundancji 137
• Podsumowanie 139

8. Katalogowanie jeziora danych 141

• Organizowanie danych 141
  • Metadane techniczne 142
  • Metadane biznesowe 146
• Znakowanie 148
  • Automatyczne katalogowanie 149
• Logiczne zarządzanie danymi 150
  • Zarządzanie wrażliwymi danymi i kontrola dostępu 150
  • Jakość danych 152
• Powiązanie różnych danych 154
• Ustanawianie pochodzenia 155
• Dostarczanie danych 156
• Narzędzia służące do budowania katalogu 157
  • Porównanie narzędzi 158
• Ocean danych 159
• Podsumowanie 159

9. Zarządzanie dostępem do danych 161

• Autoryzacja lub kontrola dostępu 162
• Zasady dostępu do danych oparte na znacznikach 163
• Anonimizacja wrażliwych danych 166
  • Suwerenność danych i zgodność z przepisami 169
• Samoobsługowe zarządzanie dostępem 171
  • Dostarczanie danych 174
• Podsumowanie 180

10. Perspektywy dla różnych branż 181

• Big data w usługach finansowych 182
  • Konsumenci, cyfryzacja i dane zmieniają znane nam finanse 182
  • Ratowanie banku 183
  • Nowe możliwości oferowane przez nowe dane 186
  • Kluczowe procesy korzystania z jeziora danych 188
• Wartość dodana przez jeziora danych w usługach finansowych 190
• Jeziora danych w branży ubezpieczeniowej 191
• Inteligentne miasta 193
• Big data w medycynie 194